推荐
专栏
教程
课程
飞鹅
本次共找到4888条
mysql远程访问权限
相关的信息
希望的天
•
3年前
MySql架构设计:如何合理利用第三方 Cache 解决方案?
使用较为成熟的第三方解决方案最大的优势就在于在节省自身研发成本的同时,还能够在互联网上面找到较多的文档信息,帮助我们解决一些日常遇到的问题还是非常有帮助的。目前比较流行的第三方Cache解决方案主要有基于对象的分布式内存Cache软件Memcached和嵌入式数据库编程库BerkeleyDB这两种。下面我将分别针对这
Stella981
•
3年前
Elasticsearch 之(25)重写IK分词器源码来基于mysql热更新词库
热更新在上一节《IK分词器配置文件讲解以及自定义词库(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fblog.csdn.net%2Fwuzhiwei549%2Farticle%2Fdetails%2F80451031)》自定义词库,每次都是在es的扩展词典中,手动添加
Wesley13
•
3年前
mysql字符串如何得到指定字符最后的位置,学习SUBSTRING_INDEX的用法
转载原文 http://www.myexception.cn/javaweb/43.html(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwww.myexception.cn%2Fjavaweb%2F43.html)表里的数据如11.11.1.11.2.1
Stella981
•
3年前
Linux下非常强大的MySQL命令行客户端工具(支持自动补全)
01 摘要,支持语法高亮当你输入SQL关键字,数据库的表格和列时可自动补全。智能补全(默认启用),会提示文本感应的(contextsensitive)补全。02安装,Linux下,一行命令搞定pipinstallmycli补充,
Wesley13
•
3年前
Mysql5.7版本实现row_number窗口函数的分组排序功能
我在这篇博客https://www.cnblogs.com/chendongblog/p/11887712.html(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fwww.cnblogs.com%2Fchendongblog%2Fp%2F11887712.html)中说过,在sq
Wesley13
•
3年前
MySQL单表数据不要超过500万行:是经验数值,还是黄金铁律?
原文地址:梁桂钊的博客(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fblog.720ui.com%2F2019%2Fmysql_why_one_table_500w%2F%3Foschina)博客地址:http://blog.720ui.com(https://ww
Wesley13
•
3年前
MySQL 可重复读,差点就让我背上了一个 P0 事故
P0事故:余额多扣!这是一个真实的生产事件,事件起因如下:现有一个交易系统,每次产生交易都会更新相应账户的余额,出账扣减余额,入账增加余额。为了保证资金安全,余额发生扣减时,需要比较现有余额与扣减金额大小,若扣减金额大于现有余额,扣减余额不足,扣减失败。账户表(省去其他字段)结构如下:CREATE TAB
Wesley13
•
3年前
mysql如何在yml设置连接,mapper层中一个方法可以写多个sql
DevOpSec
•
1年前
tcpdump解决运维生产中遇到问题
作为技术人员tcpdump这个工具还是有必要了解的当你遇到网络协议问题一筹莫展的时候,这时候往往可以通过tcpdump来看网络的通讯过程中发生了什么事。本文只介绍工作用遇到的问题供大家参考,旨在给你工作中遇到类似问题提供解决灵感,具体tcpdump怎么使用google吧。下面通过三个案例进行介绍:案例一:flume写kafka日志报错案例二:LB(负载均衡)增加请求header后,nginx日志获取不到headerkeyclient_ip案例三:mysqlQPS特别高,但mysql并没有慢查询,想知道topKmysql语句最后:场景的http协议抓包场景
AGIC.TWang
•
1星期前
关于RAG
检索增强生成(RAG)为大型语言模型赋予访问外部知识库的能力,提升其精准性和实用性。它包含三个步骤:检索、增强和生成。RAG通过向量数据库进行语义搜索,克服了传统关键词匹配的局限性。文章以云计算促进人工智能发展为例,在大模型分发助手平台上演示了RAG的实际流程,包括知识准备、知识切割、向量化、提问、相似度计算、提示词构建和答案生成。RAG的未来在于提升精准性、个性化、可扩展性、可解释性和成本效益,最终实现更深入的知识理解和推理,更自然的人机交互以及更广泛的领域应用。
1
•••
484
485
486
•••
489